本文9.1發(fā)在北大國發(fā)院校友上面，改了個(gè)題目轉(zhuǎn)發(fā)下：

2024年8月25日在北大國發(fā)院承澤園的429教室AI碰撞局舉行了第四場活動(dòng)，本次分享嘉賓是北京大學(xué)人工智能研究院的徐驊老師，總計(jì)70多名校友和嘉賓通過線下線上的方式參與了本次活動(dòng)。

AI碰撞局主理人王新在啟動(dòng)活動(dòng)

徐驊老師在做分享

徐老師是醫(yī)療、ChatLaw等大模型的操盤人，分享卻并不局限于的技術(shù)，而是通俗易懂的從模型講到了業(yè)務(wù)和案例。

在技術(shù)路線上，徐驊老師提到了一個(gè)更為快速和低成本的提升大模型性能的方式：

當(dāng)開源模型和閉源大模型性能逐步接近，那一種提升模型性能的策略則是站在巨人的肩膀上，讓自己站位更高。

這種站到巨人肩膀上的技術(shù)是RLHF：

站到巨人肩膀上的具體實(shí)現(xiàn)方式則是Aligner。

這可能不太好理解現(xiàn)場徐驊老師和侯宏老師都用這樣一個(gè)例子來類比這個(gè)方法：

假如一個(gè)人要考北大，那從0開始培養(yǎng)的方式無疑是最難的，但假如在650分的基礎(chǔ)上進(jìn)行培養(yǎng)，那難度就會(huì)降低很多。這就是上圖左下那兩個(gè)機(jī)器人的含義。這種兩段疊加方法一方面固然可能產(chǎn)生比已經(jīng)發(fā)布模型更好的效果，但更關(guān)鍵的點(diǎn)在于它縮短了向具體行業(yè)進(jìn)行落地的周期。

在落地環(huán)節(jié)徐老師則以標(biāo)準(zhǔn)化病人系統(tǒng)為切入，分享了上述思路下大模型落地的方法。結(jié)合分診、多模態(tài)模型識(shí)別病癥、合理用藥、病例整理、一體機(jī)的部署方式等各方面落地案例，我們可以比較清楚的看到，究竟需要怎么在現(xiàn)實(shí)中總評(píng)估AI大模型的臨床能力，在那些方面仍然面對(duì)挑戰(zhàn)等AI大模型的具體問題。

徐老師分享之后則進(jìn)入碰撞環(huán)節(jié)，本次碰撞環(huán)節(jié)參與的嘉賓是徐驊老師，侯宏老師，未名企鵝鄒曉亮博士，E21的李智勇繼續(xù)擔(dān)任主持人。

右-左：徐驊老師、侯宏老師、鄒曉亮博士

碰撞環(huán)節(jié)談了很多問題，但最有意思的一個(gè)是：假如AI確實(shí)能夠比人干的更好，那當(dāng)它不可完全證明的時(shí)候，究竟能不能用？

比如對(duì)于分診，大模型其實(shí)是更便宜的，隨機(jī)選擇某些疾病種類后精度也可以更高，至少可以比人高，但你沒辦法百分百證明的是所有疾病都可以確定在某個(gè)精度上。那基于AI大模型的產(chǎn)品怎么去通過三級(jí)醫(yī)療器械證呢？這是合規(guī)上的問題。

假設(shè)通過了之后，那還馬上遭遇成本問題。

通過醫(yī)療器械的驗(yàn)證后，比如各方面費(fèi)用花1000萬或者2000萬，那你進(jìn)行銷售的時(shí)候在一個(gè)B端模式下，你可能又要比較長的時(shí)間才能賺回這1000~2000萬，甚至如果業(yè)務(wù)能力不夠就很長時(shí)間也賺不回這1000萬，面對(duì)比較大的投入產(chǎn)出問題。

類似的情況可以推廣到專科疾病、輔助診療等，在這些情景下AI的落地不直接卡在技術(shù)，而是卡在可解釋性、權(quán)責(zé)體系和某種投入產(chǎn)出的結(jié)構(gòu)上。

碰撞進(jìn)行時(shí)

這個(gè)話題一打開，因?yàn)榉浅１举|(zhì)，隨后碰撞就收不住了。因?yàn)榇蠹野l(fā)現(xiàn)在現(xiàn)有體系里實(shí)際上是在找各種縫隙，比如如果診療方面三類醫(yī)療器械證不好推進(jìn)，那是不是在審方環(huán)節(jié)可以更容易切入？過去基于規(guī)則審方因?yàn)橐?guī)則寫的死，到了8種10種藥的時(shí)候就處理不好了，那是不是可以用AI大模型來更低成本的解決這個(gè)問題？

進(jìn)一步就進(jìn)入更深層次的問題，即使能解決上面說的問題，但AI大模型其實(shí)不是用來解決這種小點(diǎn)問題的，也不體現(xiàn)AI大模型的經(jīng)濟(jì)性，會(huì)有點(diǎn)像大炮打蚊子。這次的AI大模型其實(shí)更適合扮演全科的醫(yī)生，而不是?？漆t(yī)生，可顯然的全科醫(yī)生會(huì)碰到更大的權(quán)責(zé)問題、投入產(chǎn)出問題。

再遞進(jìn)一步就到了一個(gè)腦洞環(huán)節(jié)，如果說AI確實(shí)可以提供更好的診療服務(wù)但現(xiàn)實(shí)總與現(xiàn)在的既有運(yùn)轉(zhuǎn)流程的兼容性不好，那我們是不是可以換個(gè)視角：

是不是可以構(gòu)建一個(gè)AI優(yōu)先的醫(yī)院，這個(gè)醫(yī)院里主要是AI，不是人類醫(yī)生在提供服務(wù)。當(dāng)然這個(gè)要符合國家的規(guī)定。這樣這個(gè)醫(yī)院可以有更大的服務(wù)數(shù)量和質(zhì)量。

這點(diǎn)上徐老師補(bǔ)充的是在AI的技術(shù)進(jìn)化上，10年應(yīng)該可行做到手術(shù)之外的部分。侯老師的補(bǔ)充則是往往產(chǎn)業(yè)中突破都是從一體的模式開始突破，然后才走到細(xì)碎分工比如電腦、手機(jī)等都是先單起一套體系。

上面這些問題并不局限于醫(yī)療健康，在法律等領(lǐng)域其實(shí)存在類似的問題。

和這種產(chǎn)業(yè)問題并列，碰撞還談到了一個(gè)偏技術(shù)的問題，大家針對(duì)一體機(jī)這種新產(chǎn)品談了許多。一體機(jī)其實(shí)就是一種跑AI大模型的新電腦，里面有GPU、大模型、行業(yè)應(yīng)用等。

有意思的是雖然大家對(duì)AI創(chuàng)造了什么樣的機(jī)會(huì)感知度差異很大，比如有的認(rèn)為C端基本沒機(jī)會(huì)，有的則認(rèn)為C端在新技術(shù)條件下還會(huì)產(chǎn)出很多新的嘗試，但和過去的應(yīng)用形態(tài)就不一樣了。

但在一體機(jī)上大家的觀點(diǎn)則出奇的一致。行業(yè)里面落地形式基本就是一體機(jī)，也不可能是公有云、SaaS等。類似數(shù)據(jù)不能出醫(yī)院這種規(guī)定很多很多，不是一體機(jī)也搞不定。

但一體機(jī)一樣面臨一串細(xì)節(jié)問題：對(duì)應(yīng)的行業(yè)問題適合哪個(gè)規(guī)模的模型？哪個(gè)規(guī)模的大模型需要什么配置的一體機(jī)？那家的GPU性價(jià)比更高？后續(xù)升級(jí)怎么處理？

這些記錄中沒有辦法詳細(xì)展開，因?yàn)闀?huì)牽涉很多廠家，引發(fā)不必要的爭議。簡單總結(jié)就是當(dāng)前這個(gè)產(chǎn)品的整體成熟度還可以，如果真要介入那還是需要對(duì)模型的技術(shù)參數(shù)有一定程度的認(rèn)識(shí)，并沒有標(biāo)準(zhǔn)到電腦那個(gè)程度。

活動(dòng)結(jié)束時(shí)大家的合影

還有不少很有意思的碰撞條線沒法一一展開，其中最值得一提的是關(guān)于：B端到底能不能做？當(dāng)大家提出這個(gè)問題并談到挑戰(zhàn)實(shí)在太多的時(shí)候，未名企鵝的鄒曉亮師兄結(jié)合自己的親身經(jīng)歷給了一個(gè)走產(chǎn)業(yè)邏輯的例子：早期的幾年你可能會(huì)很痛苦，這部分可以看成是介入的成本，但一旦成功介入你就會(huì)形成比較穩(wěn)定的業(yè)務(wù)基礎(chǔ)，并不是那個(gè)大廠突然沖擊一下就會(huì)威脅你的業(yè)務(wù)基礎(chǔ)的。他們自己也是到第六年才實(shí)現(xiàn)收支平衡。

這個(gè)時(shí)點(diǎn)的AI太混沌了，宣稱有賺錢方法的大概率是騙子，宣稱全無機(jī)會(huì)的又過于消極。面對(duì)AI就得解剖麻雀，研究案例，回到現(xiàn)場，獲取一線信息。反之越高大上、越論文就越危險(xiǎn)。關(guān)鍵是真實(shí)案例不好找，所以就有了琢磨事AI碰撞局。研究清楚多個(gè)案例，弄明白產(chǎn)業(yè)底層邏輯，再回到自己問題差不多是眼下最靠譜的方式了。對(duì)活動(dòng)感興趣的同學(xué)請(qǐng)聯(lián)系cathywangyue。 老李話一三，公眾號(hào)：琢磨事